基于大语言模型和图算法语料库的时政分析助手-Anubis
2025-09-03 17:21:45
行业：人工智能、大数据
载体：Windows应用、安卓APP
技术：Rust、Tokio、Flutter、Neo4j
业务和功能介绍
当前时政信息体量庞大、来源繁杂，充斥着噪声与偏见。公众、研究人员和政策制定者亟需一款能穿透信息迷雾、深度挖掘事件关联与发展脉络的智能工具。Anubis 旨在利用前沿AI技术，从海量信息中构建知识图谱，提供客观、结构化、具有深度洞察的时政分析，辅助用户理解复杂国际局势。
Anubis 是一款强大的时政分析助手，核心功能包括：
智能信息聚合与清洗：自动从全球主流新闻媒体、政府公报和智库报告中爬取、清洗和摘要时政新闻，形成结构化语料库。
深度语义分析与事件抽取：利用大语言模型（LLM）精准识别文本中的实体（人物、组织、地点）、关键词、情感倾向和核心事件，并抽取出事件的主谓宾结构。
动态知识图谱构建：基于Neo4j图数据库，将抽取出的实体和事件构建成可视化的知识图谱，清晰展示实体间的复杂关系（如合作、对抗、隶属）和事件的演化路径。
智能问答与溯源分析：用户可通过自然语言提问（如“A国与B国近期的经贸关系如何？”），系统将基于图谱和语料库生成综合报告，并提供观点溯源，增强结论的可信度。
多终端可视化呈现：通过Flutter开发的跨平台应用，为用户提供直观的时间线、关系图谱和综合分析报告，支持实时交互探索。
Anubis 是一款强大的时政分析助手，核心功能包括：
智能信息聚合与清洗：自动从全球主流新闻媒体、政府公报和智库报告中爬取、清洗和摘要时政新闻，形成结构化语料库。
深度语义分析与事件抽取：利用大语言模型（LLM）精准识别文本中的实体（人物、组织、地点）、关键词、情感倾向和核心事件，并抽取出事件的主谓宾结构。
动态知识图谱构建：基于Neo4j图数据库，将抽取出的实体和事件构建成可视化的知识图谱，清晰展示实体间的复杂关系（如合作、对抗、隶属）和事件的演化路径。
智能问答与溯源分析：用户可通过自然语言提问（如“A国与B国近期的经贸关系如何？”），系统将基于图谱和语料库生成综合报告，并提供观点溯源，增强结论的可信度。
多终端可视化呈现：通过Flutter开发的跨平台应用，为用户提供直观的时间线、关系图谱和综合分析报告，支持实时交互探索。
项目实现
项目由我本人全栈开发、维护，后端采用Rust编写高性能数据管道（Serde, Tokio, Reqwest）进行数据采集与处理，确保并发与效率。使用Python LightRAG, FastAPI构建灵活的应用层API，Ollama 协调调用LLM与图算法。Neo4j存储关系数据，MongoDB存储原始文档与向量嵌入。Flutter前端负责最终的数据可视化与交互。
示例图片视频
相似推荐
agent开发的家具安全
围绕核心 AI Agent 的部署架构设计、调用链路的深度性能优化，以及面向垂直场景的特制 Skill 开发，存在一系列亟待攻克的关键问题。部署层面需解决模型服务化后的冷启动延迟、动态扩缩容与异构算力调度；调用优化则聚焦于构建异步流水线、智能缓存与请求合并策略，以降低响应时延和推理成本。特制 Skill 开发要求将领域知识、外部工具 API 与 Agent 推理闭环融合，形成可编排、可复用的专业能力单元。同时，还需应对多 Agent 协同通信、安全合规、效果评估与持续交付等衍生挑战。系统性解决这些问题，是智能体从原型走向高可用、低成本生产级落地的核心前提。
无人机智巡智检系统
立项背景和目标
随着我国电力线路总里程突破200万公里、光伏装机容量连年跃升，传统人工巡检模式已难以为继。巡检人员需翻山越岭、登高作业，不仅效率低下（人均每日仅能巡检5~8公里），更面临高空坠落、触电、中暑等严重安全风险。与此同时，存量设备老化加速，缺陷漏检、误检时有发生，导致非计划停运事件频发，经济损失巨大。国家“十四五”规划明确要求加快工业互联网与能源基础设施深度融合，推动巡检作业向无人化、智能化转型。无人机技术、5G通信、AI视觉识别和数字孪生等前沿技术的成熟，为这一转型提供了坚实的技术底座。
基于此，本项目立项建设一套“无人机智巡智检系统”，总体目标如下：一是实现巡检作业全流程自动化，通过预设航线自主巡航，将单次巡检耗时从平均2小时压缩至20分钟以内，效率提升6倍；二是依托深度学习算法对可见光、红外热成像等多源数据进行实时分析，缺陷识别准确率不低于92%，误报率控制在5%以下；三是构建从任务规划、数据采集、智能诊断到工单派发、整改反馈的完整业务闭环，消除信息孤岛；四是利用数字孪生技术，在三维实景地图上叠加巡检数据，实现空间态势感知与历史数据对比分析，为运维决策提供直观支撑。最终，系统将覆盖输电线路、变电站、光伏场站、石油管道等多种场景，助力企业降本增效、本质安全。
2. 软件功能、核心功能模块介绍
系统共包含六大核心功能模块，各模块协同运转，形成完整能力矩阵：
（1）无人机飞控与航线管理模块：支持多品牌、多机型无人机设备的统一注册、健康状态监控及固件升级管理；内置航线库，支持KML/KMZ等标准格式导入，并提供可视化航点编辑工具，可在二维GIS或三维地球上进行航线规划，模拟飞行轨迹，预判碰撞风险。
（2）巡检任务管理模块：提供日常巡检、特殊巡检、应急巡检等多种任务类型；支持单次、周期性、触发式任务调度；任务执行过程中实时接收无人机回传的经纬度、高度、电量、速度等遥测数据，并以动态仪表盘呈现；任务结束后自动归档影像、日志和识别结果。
（3）AI智能识别与分析模块：基于YOLOv8和ResNet等深度网络模型，针对绝缘子破损、导线断股、销钉缺失、鸟巢、树障、异常发热等十余类典型缺陷进行自动检测；支持模型在线更新和增量学习；分析结果附带置信度分数和定位框，并支持人工复核标注，形成闭环优化数据。
（4）数字孪生与三维可视化模块：基于倾斜摄影和激光点云技术构建巡检场景的高精度三维模型（厘米级），在地图上融合显示无人机实时位置、历史航迹、缺陷标注点；支持多期数据对比，通过卷帘工具直观展示设备前后变化；支持空间量测、剖面分析等高级功能。
（5）缺陷管理与工单闭环模块：统一展示所有识别出的缺陷，按严重等级（危急、严重、一般）分级高亮；每个缺陷可一键生成工单，自动关联位置、影像和识别结果，派发给指定的运维班组；支持工单状态追踪（待处理、处理中、已完成）
生产管理系统
1.旨在提升加工厂工作效率
2.减少不必要的纸质文件产生
3.可监控产品良品率等关键数据方便提升
4.包含生产流程，采购管理，开票管理，生产计划，生产通知等功能
5.报表包含动态库存表，生产计划，供应商往来表等。
豆瓣电影Top250数据采集-豆瓣电影Top250数据采集脚本
立项背景和目标：豆瓣电影Top250是互联网上最具公信力的影视榜单之一，但官方未提供批量导出接口，用户只能手动翻阅10个页面复制信息，耗时约2小时且无法直接进行数据分析。本项目旨在利用Python爬虫技术，实现榜单数据的全自动采集与结构化存储，将250部电影的核心字段（名称、导演、年份、评分、评价人数）在15秒内汇总为一份可直接使用的Excel报表，为后续影评分析、可视化图表制作提供高质量数据源。
核心功能模块：本工具包含四个核心模块。一是网络请求模块，基于Requests库发送HTTP请求，通过设置浏览器UA头绕过基础反爬，并遍历10个分页URL；二是内容解析模块，利用BeautifulSoup的CSS选择器精准定位每部电影的标题、评分等元素，从杂乱HTML中提取目标文本；三是数据清洗模块，使用Pandas处理原始文本中的换行符和多余空格，统一日期和数字格式，确保每条记录规整无误；四是导出存储模块，调用OpenPyXL引擎将清洗后的数据直接写入.xlsx文件，一行为一部电影，字段清晰可查。
业务流程：用户只需在Python环境中执行脚本，程序会自动按顺序请求10页榜单（每页25条），每完成一页解析后停顿1秒，最终将全部数据整理为表格并保存到脚本同级目录下。全程无需人工干预，打开生成的Excel文件即可看到完整的Top250榜单数据，可直接导入Tableau等工具做进一步分析。
Genie Studio
当前AI能力（如LLM、OCR、代码解释器）已足够强大，但将其落地到具体业务场景时，仍需要大量重复的工程开发。非技术用户难以直接使用，而技术人员也疲于应对“一个需求一套新接口”的定制化开发。本项目的目标是构建一个低代码/可视化AI工作流编排平台，将大语言模型、文档解析、数据分析、邮件收发等原子能力封装为标准节点，让用户像搭积木一样，快速组装出适配不同业务场景的智能Agent，从而将AI应用开发的效率提升一个数量级，降低智能化门槛
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服